CN104641355A - 自适应服务超时 - Google Patents

自适应服务超时 Download PDF

Info

Publication number
CN104641355A
CN104641355A CN201380048608.5A CN201380048608A CN104641355A CN 104641355 A CN104641355 A CN 104641355A CN 201380048608 A CN201380048608 A CN 201380048608A CN 104641355 A CN104641355 A CN 104641355A
Authority
CN
China
Prior art keywords
service
time
application program
logic
management application
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201380048608.5A
Other languages
English (en)
Other versions
CN104641355B (zh
Inventor
K.K.克雷夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Amazon Technologies Inc
Original Assignee
Amazon Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Amazon Technologies Inc filed Critical Amazon Technologies Inc
Publication of CN104641355A publication Critical patent/CN104641355A/zh
Application granted granted Critical
Publication of CN104641355B publication Critical patent/CN104641355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5022—Mechanisms to release resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/04—Generating or distributing clock signals or signals derived directly therefrom
    • G06F1/14—Time supervision arrangements, e.g. real time clock
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/02—Capturing of monitoring data
    • H04L43/022—Capturing of monitoring data by sampling
    • H04L43/024—Capturing of monitoring data by sampling by adaptive sampling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
    • H04L43/106—Active monitoring, e.g. heartbeat, ping or trace-route using time related information in packets, e.g. by adding timestamps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/504—Resource capping
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Debugging And Monitoring (AREA)
  • Telephonic Communication Services (AREA)
  • Exchange Systems With Centralized Control (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开的是用于超时管理应用程序的各种实施方案。获取用于执行服务的延迟数据。计算被使用的服务容量。如果所述服务容量在预定范围外，那么重新配置所选择的服务的超时。

Description

自适应服务超时
以下申请要求标题为“Adaptive Service Timeouts(自适应服务超时)”且于2012年9月18日提交的具有申请号13/622,094的美国专利申请的优先权和权益，所述专利申请以引用的方式全文并入本文。
发明背景
超时可防止在处理高延迟服务调用中过度使用系统资源。具体而言，当处理超时时，它们不再消耗系统资源。
附图简述
参考以下附图可更好地理解本公开的许多方面。附图中的组件未必按照比例绘制，而是强调清楚地图示本公开的原理。再者，在附图中，贯穿若干视图的相同的附图标记指代对应部件。
图1是根据本公开的各种实施方案的网络环境的图视。
图2是根据本公开的各种实施方案的图示被实施为在图1的网络环境中的计算环境中执行的超时管理应用程序的部分的功能的一个实例的流程图。
图3是根据本公开的各种实施方案的图示被实施为在图1的网络环境中的计算环境中执行的超时管理应用程序的部分的服务依赖性功能的一个实例的流程图。
图4是根据本公开的各种实施方案的提供在图1的网络环境中采用的计算环境的一个实例图示的示意性框图。
具体实施方式
服务导向式架构执行超时以在进行调用高延迟服务时防止过度使用系统资源。这样防止高延迟服务垄断或滥用系统资源，从而以竞争相同系统资源的其它服务为代价来解析其调用。超时通常是预设值，其相对于被执行的服务和在所述被执行的服务上调用的服务被定义。这阻碍超时值适用于各种系统状态。例如，在低的总体系统使用时期中，可增加用于服务的超时。这将允许服务有更多时间访问系统资源以解析它们的调用。这还降低服务调用失败的次数，而不影响其它服务。作为另一实例，在高的系统资源使用率时期，可减少用于高延迟的超时。这可导致有关该服务的更多次失败，而将允许其它服务完成它们的服务调用。
根据各种实施方案，超时管理应用程序允许服务的超时被重新定义，以便适应其中它们被实施的环境的状态。可基于服务延迟和使用中的系统资源的量来增加或减少超时。超时管理应用程序在修改超时值时还可考虑服务依赖性。例如，父服务可调用若干子服务，并且父服务和子服务二者具有它们自己的超时。可修改子服务或父服务超时，以确保超时满足相对彼此的预定义标准。这些依赖性还可影响哪个服务被修改以便适应系统使用量。超时管理应用程序可执行对修改独立服务的偏好，以使受影响的服务的数量最小化。在另一实例中，超时管理应用程序可能想要修改许多其它服务依赖的服务的超时，以确保使服务可用性最大化。
此外，超时管理应用程序的适应能力可考虑与所述服务相关联的各个层或优先级，以确保高优先级或层服务具有最大化的可用性。在以下讨论中，提供了系统及其组件的一般描述，紧接着提供对系统及其组件的操作的讨论。
参考图1，示出了根据各种实施方案的网络环境100。网络环境100包括计算环境101和客户端104，它们经由网络107彼此数据通信。网络107包括，例如，互联网、内联网、外联网、广域网(WAN)、局域网(LAN)、有线网络、无线网络或其它合适的网络等、或两个或更多个这种网络的任何组合。
计算环境101可包括，例如，提供计算能力的服务器计算机或任何其它系统。替代地，计算环境101可采用可被用于布置成(例如)一个或多个服务器组或计算机组或其它布置的多个计算设备。这种计算设备可位于单个安装中或可分布在许多不同的地理位置中。例如，计算环境101可包括多个计算设备，其一起包括云计算资源、网格计算资源和/或任何其它分布式计算布置。在一些情况下，计算环境101可对应于弹性计算资源，其中处理、网络、存储或其它计算相关的资源的分配容量可随时间变化。
根据各种实施方案，可在计算环境101中执行各种应用程序和/或其它功能。此外，将各种数据存储于对计算环境101可访问的数据存储111中。如可理解，数据存储111可表示多个数据存储111。存储于数据存储111中的数据(例如)与下文描述的各种应用程序和/或功能实体的操作相关联。
在计算环境101上执行的组件例如包括超时管理应用程序114、多个服务117和本文中未详细讨论的其它应用程序、服务、进程、系统、引擎或功能。执行超时管理应用程序114以基于计算环境101的状态而修改对应于相应的一对被执行服务117的超时121。
服务117包括响应于调用而执行一些动作或返回一些数据的功能。服务117可包括服务网络页面、从数据存储读取数据或将数据存储于数据存储中、执行数据转换、与其它应用程序通信、管理网络流量的功能或一些其它功能。服务117可在表述性状态转移(RESTful)架构中或一些其它架构中体现。服务117可能需要执行一个或多个子服务117以完成对服务117的调用。服务117可被执行并调用以促进处理客户端104发送的请求122，从而生成响应123或用于其它用途。
在计算环境101中执行的服务117中的每一个与至少一个超时121相关联。被调用服务117可具有许多超时121，每个超时对应于调用被调用服务117的不同服务117。超时121定义最大的时间阈值以完成对服务117的调用。如果服务117在超时121内无法完成调用，那么服务117向调用源返回错误。
服务117中的每一个还对应于指示其需要用来完成对服务117中的对应一个的调用的时间的延迟。所述延迟可能受计算环境101中相对于系统资源的总容量的被使用系统资源的量影响。例如，当处理许多服务117调用或当被调用的服务117计算量太大时，计算环境101可具有大量被使用的系统资源，导致在一些服务117中增加延迟。
存储于数据存储111中的数据包括(例如)数据体现服务层124、服务优先级列表127、依赖性模型131和潜在的其它数据。服务层124表示对被执行的服务117分成一个或多个组。所述分组可能相互排斥或允许服务117属于多个组。所述分组可能自行排列或排序成一些层级。所述分组还可基于被包括服务117的一些质量评定，诸如优先级。
服务优先级列表127基于被执行的服务117的可用性优先级来体现它们的排列。服务优先级列表127可包括被执行的服务117或其子集的全部。可根据一个或多个预定义条件来存储多个服务优先级列表127用于检索。
依赖性模型131体现被执行的服务117之间的关系和依赖性。依赖性模型131的结构可体现为树形、一些其它非周期性有向图或另一种数据结构。依赖性模型131中表示服务117的节点可根据在执行期间调用其它服务117的服务117而与父节点或子节点相关。依赖性模型131可体现完全连接图或可允许独立节点。
客户端104表示可耦接到网络107的多个客户端设备。客户端104可包括(例如)基于处理器的系统，诸如计算机系统。这种计算机系统可体现为以下形式：台式计算机、膝上型计算机、个人数字助理、蜂窝电话、智能电话、机顶盒、音乐播放器、便携式网络浏览器、平板计算机系统、游戏机、电子书阅读器或具有相似能力的其它设备。
客户端104可被配置来执行各种应用程序，诸如客户端应用程序142和/或其它应用程序。例如，可在客户端104中执行客户端应用程序142，以访问由计算环境101和/或其它服务器提供服务的网络内容。客户端应用程序142可(例如)对应于浏览器、移动应用程序等。客户端104可被配置来执行客户端应用程序142以外的应用程序，诸如(例如)浏览器、移动应用程序、电子邮件应用程序、社交网络应用程序和/或其它应用程序。
客户端104可将请求122传送到计算环境101以获取响应123。这些请求122可包括对将由计算环境101服务的网页的请求、对将在计算环境101上执行的一些功能或应用程序的请求或另一类型的请求。所述请求可通过超文本传输协议(HTTP)、文件传输协议(FTP)、简单对象访问协议(SOAP)、简单邮件传输协议(SMTP)、通过另一种协议或通过一些其它途径进行传送。传送请求122可由客户端应用程序142促成。例如，对网页的请求122可由浏览器客户端应用程序142促成。还可执行其它客户端应用程序142，以促进请求122到计算环境101的传送。
接下来，提供了网络环境100的各个组件的操作的一般描述。首先，计算环境101执行一个或多个服务117，以便促进对由客户端104传送的请求122的处理和响应123的生成。超时管理应用程序114获取对应于被执行的服务117中的每一个的延迟信息。在一些实施方案中，可从监测进程获取延迟数据。例如，服务117可将延迟数据报告给对监测进程可访问的日志，所述监测进程随后聚合数据用于传送到超时管理应用程序114。服务117可以预定义间隔或响应于一些事件将延迟数据传送到日志。延迟数据可包括在传送到日志时的最近延迟，或在一段时间内聚合的延迟数据。延迟数据还可通过另一种途径传送到日志。
在另一实施方案中，可通过查询服务117的功能来获取延迟数据。例如，服务117可包括维护延迟数据的功能和响应于对服务117的特定调用而返回延迟数据的功能。延迟数据还可通过根据来自调用服务117的实体的数据来确定延迟而获取。超时管理应用程序114还可使用其它技术来获取延迟数据。
超时管理应用程序114随后确定在计算环境101中相对于计算环境101的总容量的被使用系统资源的量。系统资源的量可根据所获取的延迟数据以及其它数据、信息和日志来确定。超时管理应用程序114可随后响应于与被使用的系统资源的量相关联的事件而调整所选择的服务的超时121。
在一些实施方案中，当在计算环境101中使用的系统资源的量下降低于预定阈值或低于预定义范围的最小值时，超时管理应用程序114可调整服务117的超时121。在这些实施方案中，这种条件将指示计算环境101具有可用于允许服务117使其超时增加的处理能力。
在其它实施方案中，当在计算环境101中使用的系统资源的量超过预定阈值或高于预定义范围的最大值时，超时管理应用程序114可调整服务117的超时121。在这些实施方案中，这种条件将指示计算环境101正处于最大容量或接近最大容量，在所述容量下，被执行的服务117可能经历超过它们的超时121的延迟，从而导致增加的用户失败。减少所选择的服务117的超时121将增加所选择服务117的失败，但是允许其它服务117利用计算环境101的可用系统资源。
时间管理应用程序114还可根据系统可用性来调整服务117的超时121。例如，超时管理应用程序114可基于成功执行的服务117调用的次数和/或其它数据来确定系统可靠性的量。如果系统可靠性下降低于预定可靠性阈值，那么可触发超时121修改。其它事件也可通过超时管理应用程序114触发超时121修改。
当超时管理应用程序114触发超时121的事件发生时，超时管理应用程序114必须选择超时121将被修改的服务117。在一些实施方案中，根据与被执行的服务117相关联的服务层124来做出该选择。作为非限制性实例，可将服务117组织为多个层，诸如高优先级、中优先级和低优先级服务层124，这取决于在完成调用而没有出现错误的服务117的优先级。如果超时管理应用程序114由于高可用服务容量而修改服务117的超时121，那么超时管理应用程序114可选择属于高优先级服务层124的服务117，以最大化高优先级服务117的可用性。如果超时管理应用程序114由于低可用服务容量而修改服务117的超时121，那么超时管理应用程序114可选择属于低或中优先级服务层124的服务117，以最小化对高优先级服务117的影响。服务层124也可用于其它技术以选择用于超时121修改的服务117。
超时管理应用程序114还可至少部分基于服务优先级列表127选择用于超时121修改的服务117。服务优先级列表127可包含被执行的服务117的排列或排序列表，并且对服务117的选择是基于它们在服务优先级列表127上的放置。超时管理应用程序114可指代单个服务优先级列表127或多个服务优先级列表127。例如，在其中多个事件可触发服务117超时121的修改的实施方案中，超时管理应用程序114可取决于所述事件而咨询多个服务优先级列表127中的一个或多个。服务优先级列表127还可用于其它技术以选择用于超时121修改的服务117。
超时管理应用程序114可至少部分基于依赖性模型131来选择用于超时121修改的服务117。例如，在其中依赖性模型131包括独立服务117的实施方案中，超时管理应用程序114可优选地修改独立服务117的超时121，以最小化对其它被执行的服务117的影响。在其中超时121将被增加的另一实施方案中，超时管理应用程序114可优选地修改依赖于多个服务117的服务117的超时121，以最大化更多服务117的可用性。
在其中超时管理应用程序114至少部分基于依赖性模型131来选择用于超时121修改的服务117的实施方案中，超时管理应用程序114可递归地选择用于超时121修改的进一步服务117。例如，如果子服务117使其超时121增加，那么超时管理应用程序114可随后递归地增加父服务117的超时121。作为另一实例，如果父服务117使其超时121减少，那么超时管理应用程序114可随后递归地减少子服务117的超时121。
超时管理应用程序114还可基于与服务117的执行相关联的延迟或被使用的资源量来选择用于超时121修改的服务117。例如，高延迟服务117可使其超时增加以减少服务117调用失败的机会。作为另一实例，高延迟服务117可使其超时减少以增加其调用失败，但是为其它服务117释放更大的服务容量。与服务117的执行相关联的延迟或被使用的资源量也可用于其它途径。
选择用于超时121修改的服务117的先前讨论的技术实例是非限制性实例，并且其它技术还可用来选择用于超时121修改的服务117。此外，先前讨论的技术和其它技术中的任何一种可单独使用或彼此结合使用。例如，可将服务117组织为服务层124，所述服务可根据服务优先级列表127在每个服务层124内进行排列。还可使用技术的其它组合。
一旦服务117已被选择用于超时121修改，则超时管理应用程序114分配服务117新的超时121。新的超时121可以是待修改的超时121的函数。例如，新的超时121可包括一定比例的原始超时121。新的超时121还可折衷原始超时121增加或减少预定间隔。在采用服务层124的实施方案中，新的超时121可能基于服务117属于的服务层124。例如，在高优先级服务层124中的服务117可被分配比原始超时121大五秒的新的超时121，而中服务层124的服务117可被分配比原始超时121大三秒的新的超时121。还可在另一种途径中使用服务层124以分配新的超时121。
在其中使用依赖性模型131使服务117相关的实施方案中，新的超时121可以是对应于父服务或子服务117的超时的函数。作为非限制性实例，新的超时121可包括大于子服务117的超时的总和的一些量。作为另一实例，新的超时121可包括小于相关联的父服务117的超时121的一些量。其它函数还可用于相对于彼此设置父超时和子超时。
此外，新的超时121值可以是最大或最小可接受的超时121的函数。例如，超时121不能被设置低于一些最小阈值。如果所选择的服务117超时121已经处于最小阈值，那么超时管理应用程序114可选择不同的服务117。最小和最大超时121阈值可包括应用于所有服务117的单个阈值，或可包括根据相关联服务117而有所变化的阈值。其它途径可用来至少部分基于依赖性模型131而确定新的超时121。
在超时管理应用程序114已将新的超时121分配给所选择的服务117之后，超时管理应用程序114继续监测被执行的服务117的延迟数据。虽然在选择用于超时121修改的单个服务117的上下文中讨论了超时管理应用程序114的先前操作，但是在一些实施方案中，超时管理应用程序114还可响应于事件而选择用于超时121修改的多个服务117。
超时管理应用程序114可重复选择服务117，并且根据计算环境101的状态来修改它们的超时121，诸如直到被使用的系统资源的量在预定义范围内，或通过另一种途径执行。
接下来参考图2，其示出根据各种实施方案的提供超时管理应用程序114(图1)的部分的操作的一个实例的流程图。应理解，图2的流程图仅提供可被采用以实施如本文所述的超时管理应用程序114的部分的操作的许多不同类型的功能性布置的实例。作为替代，图2的流程图可被看作根据一个或多个实施方案描绘计算环境101(图1)中实施的方法的步骤的实例。
图2示出当被使用的服务容量的量超过预定义的可接受范围时重新配置被执行服务117(图1)的超时121(图1)的超时管理应用程序114的实例实施方案。迭代地选择服务117且修改它们的超时121直到被使用的服务容量在预定范围内。
从框201开始，超时管理应用程序114获取与在计算环境101中执行的至少一个服务117相关联的延迟数据。在一些实施方案中，被执行的服务117使用与它们的延迟相关联的数据来更新日志文件。所述数据可包括日志文件被更新时的延迟，预定义的时间段内的延迟的聚合函数，或其它数据。在另一实施方案中，超时管理应用程序114可直接查询返回延迟数据的被执行服务117的功能。还可使用其它途径来获取延迟数据。
接下来，在框204中，超时管理应用程序114计算计算环境101的被使用服务容量的量。被使用的服务容量的量可对应于全部计算环境101或特定子组件或子组件集。被使用的服务容量的量可根据所获取的延迟数据、从另一监测或配置服务获取的数据或如可理解的其它数据来计算。
在框207中，超时管理应用程序114确定被使用的服务容量的量是否超过预定义范围。预定义范围可以是总的可用服务容量或其它数据的函数，或可以是预设值的独立值。如果被使用的服务容量的量在预定义范围内，那么进程结束，这指示计算环境101在可接受的容量内操作，并且服务117的超时121不需要被调整。
如果被使用的服务容量的量超过预定义范围，那么进程移至框211，其中超时管理应用程序114选择用于超时121重新配置的服务117。在一些实施方案中，服务117与至少一个服务层124(图1)相关联。在这种实施方案中，可根据服务层124做出所述选择。例如，如果被使用的服务容量的量低于预定义范围的最小值，那么超时管理应用程序114可选择高优先级服务层124中的服务117以使它们的超时121增加，以便向其分配更多服务容量。作为另一实例，如果被使用的服务容量的量高于预定义范围的最大值，那么超时管理应用程序114可选择低优先级服务层124中的服务117以使它们的超时121减少，以便降低较低优先级服务117使用的容量。还可在其它技术中使用服务层124以选择服务117。
在其中服务117在至少一个服务优先级列表127中排序的实施方案中，超时管理应用程序114可根据服务优先级列表127做出选择。例如，如果被使用的服务容量的量高于预定义范围的最大值，那么超时管理应用程序114可选择用于修改的服务优先级列表127上排在较低处的服务117来最小化对较高优先级服务117的影响。如果被使用的服务容量的量低于预定义范围的最小值，那么超时管理应用程序114可选择服务优先级列表127上排在较高处的服务117，以维护那些高优先级服务117的可靠性。在另一种途径中，服务优先级列表127可用来选择用于超时121修改的服务117。
在其中通过依赖性模型131(图1)使服务117相关的实施方案中，所述选择可以是依赖性模型的函数。例如，如果被使用的服务容量的量低于预定义阈值的最小值，那么超时管理应用程序114可选择依赖于其它服务117的服务117，以改进依赖服务117的可靠性。作为另一实例，如果被使用的服务容量的量高于预定义阈值的最大值，那么超时管理应用程序114可选择独立于其它服务的服务117以使它们的超时121降低，从而最小化对其它服务117的影响。在其它途径中，依赖性模型131也可用来选择用于超时121修改的服务117。
对服务117的选择还可基于延迟数据。例如，可选择高延迟服务117来使其超时121降低，以防止高延迟服务117过度使用服务容量。对服务117的选择还可基于最大或最小超时121阈值。例如，当超时121已经等于最小超时121阈值时，超时管理应用程序114不会选择服务117来使其超时121降低。其它数据、函数和技术还可用来选择服务117。
在服务117已被选择之后，在框214中重新配置所选择的服务117的超时121。新的超时121值可以是被使用的服务容量的量的函数。例如，如果被使用的服务容量的量高于预定义阈值的最大值，新的超时121值可以小于原始超时121值。在其中通过依赖性模型131使服务117相关的实施方案中，新的超时121值可以是相关服务117的超时121值的函数。例如，如果所选择的服务117使它们的超时121减少，那么新的超时121值可能不被设置成低于所选择的服务117所依赖的服务117的超时121的总和或一些其它函数。作为另一实例，重新配置服务117的超时121还可能需要用于所选择的服务117所依赖的服务的超时121的迭代重新配置。超时管理应用程序114还可使用其它途径来确定新的超时121值。
一旦所选择的服务117的超时121已被重新配置，则进程重复选择服务117且重新配置它们的超时121的步骤，直到被使用的服务容量的量在预定义范围之内。
接下来参考图3，其示出根据各种实施方案的提供使用框214(图2)的超时管理应用程序114(图1)的依赖性模型131(图1)的迭代超时121(图1)的一个实例的流程图。应理解，图3的流程图仅提供可被采用来实施如本文所述的超时管理应用程序114的部分的操作的许多不同类型的功能性布置的实例。作为替代，图3的流程图可被看作根据一个或多个实施方案描绘在计算环境101(图1)中实施的方法的步骤的实例。
图3描述实施依赖性模型131的超时管理应用程序114的一个实施方案。超时121已被修改的所选择服务117(图1)可与其依赖的若干子服务117相关。子服务117的超时121应加起来小于父服务117的超时121。超时管理应用程序114递归地遍历依赖性模型131以修改子服务117的超时121，从而确保子服务117超时121的总和小于它们的父服务117超时121。
从框301开始，在框211(图2)中，父服务117使它们的超时121重新配置为较低值之后，超时管理应用程序114使用依赖性模型131获取用于所选择的父服务117的子服务117。获取子服务117可以通过树遍历算法、图搜索算法(诸如广度优先搜索或深度优先搜索)或通过另一种途径来完成。
在框304中，如果所选择的服务117不具有子服务117，那么进程结束。否则，在框307中，超时管理应用程序114对所获取的子服务117的超时121求和。如果相对于所选择服务117的子服务117超时121的和小于所选择服务117的超时121，那么进程结束。否则，如果子服务117的超时121的和超过所选择服务117的超时121，那么至少一个子服务117的超时121必须被重新配置。
在框311中，子服务117中的至少一个被选择用于超时121重新配置。在一些实施方案中，可以选择全部的子服务117。在其它实施方案中，可选择子服务117的子集。所述选择可以是通过相对于框211(图2)描述的一些技术或通过另一种途径与子服务117(图1)相关联的延迟数据、服务层124(图1)、服务优先级列表127(图1)、依赖性模型131、最小或最大超时阈值或其它数据的函数。
在框314中，一旦子服务117已被选择，则它们对应的超时121被重新配置(如在框214中所描述)，或通过另一种途径配置。在子服务117已被重新配置之后，进程针对被重新配置的子服务117中的每一个进行迭代。所述进程将继续直到包括原始选择的服务117且从原始选择的服务117递减的所有服务117具有大于它们的子服务117的超时121的总和的超时121或不具有子服务117。
参考图4，其示出根据本公开的实施方案的计算环境101的示意性框图。计算环境101包括一个或多个计算设备401。每个计算设备401包括至少一个处理器电路，例如具有处理器402和存储器404(二者耦接到本地接口407)。为了这个目的，每个计算设备401可包括例如至少一个服务器计算机或类似设备。本地接口407可包括例如具有附带地址的数据总线/控制总线或如可理解的其它总线结构。
可由处理器402执行的数据和若干组件存储于存储器404中。具体而言，超时管理应用程序114(图1)、具有对应超时121(图1)的一个或多个服务117(图1)和潜在的其它应用程序存储于存储器404中，且可由处理器402执行。数据存储111(图1)也存储于存储器404中，所述数据存储111包括服务层124(图1)、服务优先级列表127(图1)或依赖性模型131(图1)和其它数据。此外，操作系统可存储于存储器404中，且可由处理器402执行。
应理解，可存在存储于存储器404中且可由处理器402执行的其它应用程序，如可理解。本文中讨论的任何组件以软件的形式实施，可采用大量编程语言中的任何一种，例如，C、C++、C#、Objective C、Perl、PHP、VisualRuby、或其它编程语言。
大量软件组件存储于存储器404中，且可由处理器402执行。在这方面，术语“可执行”意味着呈最终可由处理器402运行的形式的程序文件。可执行的程序的实例可以是例如编译程序，其可被翻译成可被加载到存储器404的随机存取部分且由处理器402运行的格式的机器代码、可以能够被加载到存储器404的随机存取部分且由处理器402执行的正确格式表达的源代码(诸如目标代码)、或可被另一可执行程序解译以在存储器404的随机存取部分生成将被处理器402执行的指令的源代码等。可执行的程序可存储于存储器404的任何部分或组件中，例如，随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器、固态驱动器、USB快闪驱动器、存储卡、光盘(诸如光碟(CD)或数字化通用磁盘(DVD))、软盘、磁带或其它存储器组件。
存储器404在本文中被定义为包括易失性和非易失性存储器和数据存储组件。易失性组件是那些在断电时不保留数据值的组件。非易失性组件是那些在断电时保留数据的组件。因此，存储器404可包括例如随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器、固态驱动器、USB快闪驱动器、经由存储卡阅读器访问的存储卡、经由软盘驱动器访问的软盘、经由光盘驱动器访问的光碟、经由适当的磁带驱动器访问的磁带，和/或其它存储器组件或这些存储器组件中的任何两个或更多个的组合。此外，RAM可包括例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)或磁随机存取存储器(MRAM)和其它这种设备。ROM可包括例如可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或其它类似的存储器设备。
此外，处理器402可表示多个处理器402和/或多个处理器核心，以及存储器404可表示分别在并行处理电路中操作的多个存储器404。在这种情况下，本地接口407可以是促进多个处理器402中的任何两个之间、任何处理器402与存储器404中的任何一个之间或存储器404中的任何两个之间等的通信的适当网络。本地接口407可包括被设计来协调该通信(其包括例如执行负载平衡)的额外系统。处理器402可以是电气构造或一些其它可用的构造。
虽然本文描述的超时管理应用程序114和其它各种系统可以体现为软件或如上所述由通用硬件执行的代码，作为替代，超时管理应用程序114和其它各种系统也可体现为专用硬件或软件/通用硬件和专用硬件的组合。如果被体现为专用硬件，那么每个可被实施为采用大量技术的组合中的任何一个的电路或状态机。这些技术可包括但不限于具有用于在施加一个或多个数据信号时实施各种逻辑功能的离散逻辑电路、具有适当逻辑门的专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它组件等。这种技术通常被本领域的那些技术人员所熟知，且因此不在本文中进行详细描述。
图2和图3的流程图示出超时管理应用程序114的部分的实施方式的功能和操作。如果被体现为软件，那么每个框可表示模块、部段或包括实施特定逻辑功能的程序指令的代码的部分。程序指令可体现为包括人类可读声明的源代码的形式，所述人类可读声明用可由合适的执行系统(诸如计算机系统中的处理器402)或其它系统识别的数字指令的编程语言或机器代码编写。机器代码可从源代码等转换。如果被体现为硬件，那么每个框可表示实施特定逻辑功能的电路或大量互连的电路。
虽然图2和图3的流程图示出执行的特定顺序，但是应理解，执行的顺序可不同于所描绘的。例如，两个或更多个框的执行的顺序可相对于所示出顺序被搅乱。此外，在图2和图3中连续示出的两个或更多个框可同时或部分同时被执行。进一步地，在一些实施方案中，可跳过或省略图2和图3中示出的一个或多个框。此外，可将任何数量的计数器、状态变量、警告信号或消息添加到本文描述的逻辑流，以用于增强效用、计数、性能测量或提供故障排除辅助等。应理解，所有这种变化均在本公开的范围内。
此外，本文描述的包括超时管理应用程序114(其包括软件或代码)任何逻辑或应用程序可被体现为任何非临时性计算机可读介质以供或结合指令执行系统(诸如计算机系统中的处理器402)或其它系统使用。在这种意义上，所述逻辑可包括例如声明，所述声明包括可从计算机可读介质取得并由指令执行系统执行的指令和声明。在本公开的上下文中，“计算机可读介质”可以是可包含、存储或维护本文描述以供或结合指令执行系统使用的逻辑或应用程序的任何介质。
本公开的各种实施方案可鉴于以下条款进行描述：
1.一种体现可在至少一个计算设备中执行的程序的非临时性计算机可读介质，其包括：
从多个服务获取延迟数据的代码，所述服务中的每一个与多个超时相关联，并且与多个层中的一个相关联，所述超时中的每一个对应于一对所述服务，以及所述服务中的至少一个是与子服务的子集相关联的所述服务的父服务；
至少部分基于在时间间隔期间获取的所述延迟数据来计算相对于所述时间间隔的聚合延迟的代码；
至少部分基于所述聚合延迟来计算被使用的服务容量的量的代码；
至少部分基于所述层、服务依赖性、所述聚合延迟或优先级列表来选择所述服务中的一个的代码；
响应于被使用的服务容量的所述量超过第一预定义阈值而减少与所述服务的所述选择的一个对应的超时中的一个的代码；和
响应于被使用的服务容量的所述量下降低于第二预定义阈值而增加与所述服务的所述选择的一个对应的超时中的一个的代码。
2.根据条款1所述的非临时性计算机可读介质，其中选择所述服务中的一个的所述代码还至少部分基于可靠性阈值。
3.根据条款1所述的非临时性计算机可读介质，其中所述服务中的所述选择的一个是所述子服务中的一个，并且还包括至少部分基于对应于与所述服务中的所述选择的一个相关联的所述服务中的所述父服务的所述超时中的所述一个来重新配置与所述服务中的所述选择的一个对应的所述超时中的所述一个的代码。
4.一种系统，其包括：
至少一个计算设备；和
超时管理应用程序，其可在所述至少一个计算设备中执行，所述超时管理应用程序包括：
监测多个延迟的逻辑，每个延迟对应于多个服务中的一个；和
至少部分基于所述延迟来设置与一对所述服务相关联的超时的逻辑。
5.根据条款4所述的系统，其中所述超时管理还包括至少部分基于所述延迟来计算相对于时间间隔的聚合延迟的逻辑，并且所述超时还至少部分基于所述聚合延迟。
6.根据条款4所述的系统，其中所述超时还至少部分基于被使用服务容量的量。
7.根据条款6所述的系统，其中设置所述超时的所述逻辑响应于相对于总服务容量的被使用服务容量的所述量下降低于阈值而增加所述超时。
8.根据条款6所述的系统，其中设置所述超时的所述逻辑响应于相对总服务容量的被使用服务容量的量超过阈值而减少所述超时。
9.根据条款6所述的系统，其中所述超时管理还包括至少部分基于所述选择的服务使用的被使用系统资源的所述量的子集来选择所述服务中的一个的逻辑。
10.根据条款4所述的系统，其中所述超时管理还包括至少部分基于服务优先级列表选择所述服务中的一个的逻辑，并且所述超时与所述服务中的所述选择的一个相关联。
11.根据条款4所述的系统，其中所述超时管理还包括至少部分基于可靠性阈值来选择所述服务中的一个的逻辑。
12.根据条款4所述的系统，其中监测所述多个延迟的所述逻辑还包括从所述服务获取日志数据的逻辑。
13.一种方法，其包括以下步骤：
在计算设备中从多个服务获取延迟数据，所述服务中的每一个具有多个超时，并且所述超时中的每一个与所述服务中的另一个相关联；
在所述计算设备中至少部分基于所述延迟数据来选择所述服务中的一个；以及
在所述计算设备中重新配置与所述服务中的所述选择的一个对应的所述超时的所述一个。
14.根据条款13所述的方法，其中所述服务中的至少一个依赖于所述服务的子集。
15.根据条款14所述的方法，其中所述服务中的所述选择的一个是所述服务的子集中的一个，并且重新配置所述超时中的所述一个是至少部分基于与依赖于所述服务的所述选择的一个的所述服务中的所述一个对应的所述超时中的一个。
16.根据条款14所述的方法，其中选择所述服务中的一个还至少部分基于依赖性的程度。
17.根据条款13所述的方法，其中选择所述服务中的一个还至少部分基于优先级列表。
18.根据条款13所述的方法，其中所述服务的每一个与多个层中的一个相关联，并且所述选择所述服务中的一个还基于所述层。
19.根据条款13所述的方法，其还包括在所述计算设备中至少部分基于所述延迟数据来确定被使用的服务容量的量，且其中响应于被使用的服务容量的所述量下降到预定义范围外而执行选择所述服务中的一个且重新配置所述超时中的一个的步骤。
20.根据条款19所述的方法，其还包括重复选择所述服务中的一个且重新配置所述超时中的所述一个的步骤，直到被使用的服务容量的所述量下降到所述预定义范围内。
计算机可读介质可包括许多物理介质(例如，磁性、光学或半导体介质)中的任何一个。适合的计算机可读介质的更多特定实例将包括但不限于磁带、磁软盘、磁硬盘驱动器、存储卡、固态驱动器、USB闪存驱动器或光盘。此外，计算机可读介质可以是随机存取存储器(RAM)，其包括(例如)静态随机存取存储器(SRAM)和动态随机存取存储器(DRAM)或磁随机存取存储器(MRAM)。此外，计算机可读介质可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或其它类型的存储器设备。
应强调，本公开的上述实施方案仅是被陈述用于更好理解本公开的原理的实施方式的可能实例。在不实质性脱离本公开的精神和原理的情况下，可对上述实施方案做出许多变化和修改。所有此类修改和变化旨在于本文中被包括在本公开的范围内且由下述权利要求保护。

Claims (9)

1.一种系统，其包括：
至少一个计算设备；和
超时管理应用程序，其可在所述至少一个计算设备中执行，所述超时管理应用程序包括：
监测多个延迟的逻辑，每个延迟对应于多个服务中的一个；和
至少部分基于所述延迟来设置与一对所述服务相关联的超时的逻辑。
2.根据权利要求1所述的系统，其中所述超时管理还包括至少部分基于所述延迟来计算相对于时间间隔的聚合延迟的逻辑，并且所述超时还至少部分基于所述聚合延迟。
3.根据权利要求1所述的系统，其中所述超时还至少部分基于被使用服务容量的量。
4.根据权利要求3所述的系统，其中设置所述超时的所述逻辑响应于相对于总服务容量的被使用服务容量的所述量下降低于阈值而增加所述超时。
5.根据权利要求3所述的系统，其中设置所述超时的所述逻辑响应于相对于总服务容量的被使用服务容量的所述量超过阈值而减少所述超时。
6.根据权利要求3所述的系统，其中所述超时管理还包括至少部分基于由所述选择的服务使用的被使用系统资源的所述量的子集来选择所述服务中的一个的逻辑。
7.根据权利要求1所述的系统，其中所述超时管理还包括至少部分基于服务优先级列表来选择所述服务中的一个的逻辑，并且所述超时与所述服务中的所述选择的一个相关联。
8.根据权利要求1所述的系统，其中所述超时管理还包括至少部分基于可靠性阈值来选择所述服务中的一个的逻辑。
9.根据权利要求1所述的系统，其中监测所述多个延迟的所述逻辑还包括从所述服务获取日志数据的逻辑。
CN201380048608.5A 2012-09-18 2013-09-17 自适应服务超时 Active CN104641355B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/622094 2012-09-18
US13/622,094 US9292039B2 (en) 2012-09-18 2012-09-18 Adaptive service timeouts
PCT/US2013/060080 WO2014047036A2 (en) 2012-09-18 2013-09-17 Adaptive service timeouts

Publications (2)

Publication Number Publication Date
CN104641355A true CN104641355A (zh) 2015-05-20
CN104641355B CN104641355B (zh) 2017-08-25

Family

ID=50275765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380048608.5A Active CN104641355B (zh) 2012-09-18 2013-09-17 自适应服务超时

Country Status (10)

Country Link
US (2) US9292039B2 (zh)
EP (1) EP2898412B1 (zh)
JP (1) JP5934445B2 (zh)
CN (1) CN104641355B (zh)
AU (2) AU2013318299A1 (zh)
BR (1) BR112015006022B1 (zh)
CA (2) CA2881153C (zh)
RU (1) RU2617331C2 (zh)
SG (1) SG11201502058QA (zh)
WO (1) WO2014047036A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017041531A1 (zh) * 2015-09-11 2017-03-16 中兴通讯股份有限公司 一种超时等待时长更新方法及装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180103085A1 (en) * 2016-10-06 2018-04-12 Microsoft Technology Licensing, Llc Data Transfer in a Communication System
US10673708B2 (en) 2018-10-12 2020-06-02 International Business Machines Corporation Auto tuner for cloud micro services embeddings
SG10201809804XA (en) 2018-11-05 2020-06-29 Mastercard International Inc Methods and systems for adapting timeout period for authentication in payment processing
US11080085B2 (en) 2018-12-17 2021-08-03 International Business Machines Corporation Watchdog timer for a multi-stage computing environment
EP3884383A1 (en) 2018-12-21 2021-09-29 Huawei Technologies Co., Ltd. Data deterministic deliverable communication technology based on qos as a service
US11175899B2 (en) * 2019-04-17 2021-11-16 Vmware, Inc. Service upgrade integration for virtualized computing environments
US11240670B2 (en) * 2020-02-27 2022-02-01 Haier Us Appliance Solutions, Inc. Domestic appliance commissioning
US11288109B2 (en) * 2020-06-11 2022-03-29 International Business Machines Corporation Determination of timeout value of an application service in a microservice architecture

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078685A1 (en) * 2002-06-29 2004-04-22 Glass Richard J. Method and apparatus for transport of debug events between computer system components
CN101630301A (zh) * 2008-07-15 2010-01-20 英特尔公司 管理协议栈的时间
CN101727648A (zh) * 2009-12-01 2010-06-09 中国建设银行股份有限公司 服务系统中的超时控制方法及服务系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5384770A (en) * 1992-05-08 1995-01-24 Hayes Microcomputer Products, Inc. Packet assembler
US6526433B1 (en) * 1999-12-15 2003-02-25 International Business Machines Corporation Adaptive timeout value setting for distributed computing environment (DCE) applications
AU2001232988A1 (en) * 2000-03-24 2001-10-08 Dotrocket, Inc. A system and method for increasing data packet transfer rate in a computer network
JP2001350639A (ja) * 2000-06-06 2001-12-21 Atr Adaptive Communications Res Lab ソフトリアルタイムにおけるスケジューリング方法
US6885974B2 (en) 2003-01-31 2005-04-26 Microsoft Corporation Dynamic power control apparatus, systems and methods
US7653828B2 (en) * 2004-05-28 2010-01-26 Sap Ag Timeout manager
JP4475156B2 (ja) * 2005-03-29 2010-06-09 日本電気株式会社 ネットワーク処理装置、ネットワーク処理方法及びネットワーク処理プログラム
EP1944944A1 (en) * 2007-01-12 2008-07-16 Thomson Licensing System and method for combining pull and push modes
US8239871B2 (en) * 2008-06-24 2012-08-07 International Business Machines Corporation Managing timeout in a multithreaded system by instantiating a timer object having scheduled expiration time and set of timeout handling information
US8220001B2 (en) 2009-02-13 2012-07-10 Oracle International Corporation Adaptive cluster timer manager
US10353683B2 (en) 2009-04-03 2019-07-16 Dell Products L.P. Dynamically calculating and applying a timeout value to a manufacturer update service
US20100329127A1 (en) * 2009-06-30 2010-12-30 Computer Associates Think, Inc. Network entity self-governing communication timeout management
EP2320601B1 (en) * 2009-11-05 2017-01-04 Amadeus S.A.S. Method and system for adapting a session timeout period
US7953870B1 (en) 2009-12-09 2011-05-31 Sprint Communications Company L.P. Dynamic HTTP service timeout adjustment
US9477255B2 (en) * 2012-07-09 2016-10-25 Apple Inc. Systems and methods for suspending idle devices based on idle policies for the devices

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078685A1 (en) * 2002-06-29 2004-04-22 Glass Richard J. Method and apparatus for transport of debug events between computer system components
CN101630301A (zh) * 2008-07-15 2010-01-20 英特尔公司 管理协议栈的时间
CN101727648A (zh) * 2009-12-01 2010-06-09 中国建设银行股份有限公司 服务系统中的超时控制方法及服务系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017041531A1 (zh) * 2015-09-11 2017-03-16 中兴通讯股份有限公司 一种超时等待时长更新方法及装置

Also Published As

Publication number Publication date
RU2015114547A (ru) 2016-11-10
AU2016238862B2 (en) 2017-11-02
AU2016238862A1 (en) 2016-10-27
CA2881153A1 (en) 2014-03-27
JP5934445B2 (ja) 2016-06-15
BR112015006022A2 (pt) 2017-07-04
US10263876B2 (en) 2019-04-16
WO2014047036A3 (en) 2014-06-05
CA2881153C (en) 2021-10-26
BR112015006022B1 (pt) 2021-11-16
WO2014047036A2 (en) 2014-03-27
JP2015529371A (ja) 2015-10-05
US20160205010A1 (en) 2016-07-14
CA3044156C (en) 2021-10-19
SG11201502058QA (en) 2015-04-29
EP2898412A4 (en) 2016-05-25
CN104641355B (zh) 2017-08-25
US20140082403A1 (en) 2014-03-20
EP2898412A2 (en) 2015-07-29
AU2013318299A1 (en) 2015-02-19
US9292039B2 (en) 2016-03-22
EP2898412B1 (en) 2019-01-09
RU2617331C2 (ru) 2017-04-24
CA3044156A1 (en) 2014-03-27

Similar Documents

Publication Publication Date Title
CN104641355A (zh) 自适应服务超时
US10270668B1 (en) Identifying correlated events in a distributed system according to operational metrics
Yao et al. Fog resource provisioning in reliability-aware IoT networks
Aslanpour et al. Auto-scaling web applications in clouds: A cost-aware approach
US9002893B2 (en) Optimizing a clustered virtual computing environment
US9473413B1 (en) Dynamic throttle of network traffic
Toro-Díaz et al. Reducing disparities in large-scale emergency medical service systems
US11126506B2 (en) Systems and methods for predictive data protection
CN105190593A (zh) 推断应用程序目录
CN109191287A (zh) 一种区块链智能合约的分片方法、装置及电子设备
US20140201371A1 (en) Balancing the allocation of virtual machines in cloud systems
Mishra et al. Nature-inspired cost optimisation for enterprise cloud systems using joint allocation of resources
Jamali et al. An imperialist competitive algorithm for virtual machine placement in cloud computing
Zhang et al. Behavior reconstruction models for large-scale network service systems
US20150339587A1 (en) Adaptive fuzzy rule controlling system for software defined storage system for controlling performance parameter
CN104657216A (zh) 一种资源池的资源分配方法及装置
RU2609076C2 (ru) Способ и система интеллектуального управления распределением ресурсов в облачных вычислительных средах
US11627193B2 (en) Method and system for tracking application activity data from remote devices and generating a corrective action data structure for the remote devices
Hsu et al. Effective memory reusability based on user distributions in a cloud architecture to support manufacturing ubiquitous computing
US20200192943A1 (en) Collaborative learned scoping to extend data reach for a search request
US11381468B1 (en) Identifying correlated resource behaviors for resource allocation
US20220318119A1 (en) Approximating activity loads in databases using smoothed time series
US10599563B2 (en) Coordinating heap contraction of multiple runtimes in the cloud environment
CN105630945A (zh) 一种基于HBase区域数据过热的平衡方法
CN112508718A (zh) 一种保单的续费提醒方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant